变工况滚动轴承故障诊断方法综述

摘要：

智能制造背景下,旋转机械工况更加复杂,运行条件更加严峻,设备的运行状态监测与故障诊断更加重要.变工况条件下,轴承振动信号存在幅值变、脉动冲击间隔、采样相位不恒定和信号噪声污染等特点,传统滚动轴承故障诊断方法的应用受到了限制.针对变工况条件下的轴承故障诊断技术,发展了以阶次跟踪、时频分析、随机振动以及混沌理论等人工提取特征的信号解调与分析方法、以卷积神经网络、自编码器与深度置信网络为代表的深度学习方法以及迁移学习方法.回顾近五年变工况轴承故障诊断领域的进展,从算法原理、算法优化以及算法实际应用等角度,详细介绍几种当前主流的变工况故障诊断方法,讨论各类算法的优势不足及适用场景,为后续的研究指明方向.

关键词：变工况、故障诊断、深度学习、迁移学习、时频分析、阶次跟踪

所属期刊栏目：58

分类号：TP18;TH133.33(自动化基础理论)

在线出版日期：2022-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：26-42